使用支持矢量机器识别错误诊断的双相情感障碍:基于随访确认情感障碍的fMRI特征选择

科学领域:

• 神经科学是一个神经科学.
• 精神病学是一个精神病学.
• 医疗成像医学成像

背景情况:

• 错误诊断双相情感障碍 (BD) 作为主要抑郁障碍 (MDD) 是普遍存在的,延迟适当的治疗,直到躁狂/催眠症出现.
• 准确的BD和MDD之间的差异诊断对于及时和有效的治疗干预至关重要.
• 识别BD诊断的特征特征,独立于情绪状态,对于早期检测至关重要.

研究的目的:

• 开发一种方法来区分BD和MDD,特别是识别BD在躁狂/低躁狂发作之前被误诊为MDD.
• 探索大脑中潜在的基于特征的功能连接 (FC) 特性,以准确的差异诊断.
• 调查皮层-边缘神经回路在区分这些情绪障碍中的作用.

主要方法:

• 功能磁共振成像 (fMRI) 扫描从被诊断为MDD和BD的患者获得.
• 一个支持向量机分类器被训练使用基于杏仁体的FC数据从已建立的BD和单极抑郁症 (UD) 患者.
• 该分类器在一个队列中进行了测试,包括从MDD过渡到BD (tBD) 的患者和剩余的UD患者.

主要成果:

• 该分类器准确地区分了已知的BD和UD,并将tBD与UD区分开来,准确度为81%,灵敏度为82.6%,特异性为79%,AUC为74.6%.
• 特征选择确定了皮层-边缘神经回路中的十个区域作为关键的歧视因素.
• 不管抑郁症的严重程度如何,BD和tBD在皮层-边缘电路中表现出类似的FC模式,与UD显著不同.

结论:

• 在皮层 - 边缘神经回路内的功能连接模式作为特征特征来区分双极性障碍和单极性抑郁症.
• 开发的分类器在躁狂或低躁狂发作出现之前有望识别错误诊断的双相情感障碍.
• 这些发现支持基于神经成像的生物标志物的实用性,以提高情绪障碍的诊断准确性.